為什麼 AI 能「懂」語意？國王減男人加女人，為何等於女王？

PART 01

這件神奇的事，長這樣

01神奇的是——

你搜尋「筆電」,它卻能把寫著「NB、notebook、手提電腦」的東西一起找出來,
字面明明不同,它卻知道這些講的是同一件事——因為在它眼裡,這幾個詞的「座標」,幾乎疊在一起、住在同一個街區。

02神奇的是——

最經典的魔術是——「國王」減掉「男人」、再加上「女人」,
算出來的座標,竟然精準地落在「女王」旁邊——它不是背過這個等式,是「性別」這個概念,真的變成了空間裡一個可以加減的方向。

03神奇的是——

「巴黎之於法國」,就像「東京之於日本」,
這種「首都」的關係,在它的空間裡是一段固定的距離和方向——你順著同一個方向走,就能從一個國家,走到它的首都去。

04神奇的是——

你給它一整篇文章,它能算出「這篇跟那篇主題有多像」,
不是比對用字,是比對它們的「意思座標」離得多近——於是它能推薦相關文章、能分類、能找出重複,靠的全是這套「把意思變成距離」的本事。

PART 02

它怎麼把意思變成座標?

01原因是——

這串座標,有個名字叫「embedding(嵌入向量)」——它用一長串數字,來表示一個詞的意思,
就像地圖上的經緯度用兩個數字定位一個地點,它用幾百、上千個數字,在一個超高維的空間裡,替每個詞釘下一個專屬的位置。
意思相近的詞,座標就相近,
意思無關的詞,就住得很遠——整個語言的意義,就這樣被攤平成一張,人腦想像不出、但數學算得清清楚楚的巨大地圖。

02原因是——

那它怎麼知道哪個詞該放哪?靠的是一句老話——「看一個詞的意思,就看它都跟誰一起出現」,
「醫生」總跟「醫院、病人、看診」一起出現,「護理師」也是——它讀了海量文字,發現這些詞的「鄰居」高度重疊,就把它們的座標,擺得很近。
它不需要有人告訴它定義,
它從「誰常跟誰作伴」這件事,自己推斷出了意思——這就是為什麼,它能無師自通地,把整個語言的親疏遠近都摸得一清二楚。

03原因是——

最妙的是——當意思變成了座標,「概念」就變成了可以計算的「方向」,
從「男」到「女」是一個方向,從「單數」到「複數」是另一個方向,從「國家」到「首都」又是一個方向——這些方向,在整張地圖上,是一致而穩定的。
所以「國王 − 男人 + 女人」才會等於「女王」,
因為你做的,是「從國王出發,往『女性』那個方向走一步」——語言的規律,就這樣變成了空間裡,實實在在能走、能算的路徑。

04原因是——

而這張地圖,正是整個大模型的「地基」——它讀任何一句話,第一步都是先把每個詞,換成這串座標,
之後所有的理解、推理、生成,全都建立在這套「意思的座標系」之上——沒有這一步,它連「哪些詞意思相近」都不知道,更別提後面那些花俏的本事。
把文字變成座標,
是 AI 能「處理意義」的第一塊、也是最關鍵的一塊拼圖——語言的世界,就是從這一步,被翻譯成了機器算得動的數學。

PART 03

那它，是真的「懂」了嗎?

01真相是——

你可能覺得,它連「國王女王」的關係都算得出來,
那它是不是真的理解了「國王」是什麼、「愛」是什麼、這些詞背後那個活生生的意義?

02真相是——

其實它懂的是「關係」,不是「意義」——它知道「愛」跟「溫暖、思念、心痛」住得很近,
但它從沒真的愛過、心痛過——它掌握的,是這些詞在語言裡的親疏地圖,而不是這些詞,在一個真實生命裡的份量和溫度。
它算得出座標,
卻感受不到座標背後的東西——這也呼應了我們一直在講的:它處理的是「像」與「近」,不是真正活過、懂過的那個「意義」本身。

03真相是——

而且這張地圖,是照著人類寫的文字畫出來的,所以人類的偏見,也一起被畫了進去,
如果訓練文字裡,「醫生」總跟「他」作伴、「護理師」總跟「她」作伴,那這份刻板印象,就會變成座標之間的距離,被它忠實地學了起來。
地圖照出的是資料的樣子,
不是世界該有的樣子——這就是為什麼,連這套看似客觀的數學座標,底下也藏著我們自己的、需要小心對待的那些歪。

04真相是——

所以「AI 懂語意」這句話,聽起來很玄,拆開來其實很樸實——
它不是憑靈魂去領會,是靠一張「用數字畫出來的意義地圖」,精準地算出誰離誰近、誰往誰的方向走——是計算,不是領悟。
但也別小看這件事,
正是這張看不見的地圖,讓機器第一次能「處理意思」而不只是「比對文字」——這一步,樸素,卻是整場 AI 革命,最底層、最關鍵的起點。